The role of job candidate’s accent, ethnicity, and vocal competence on social evaluations in a hiring context
Bibliographic record
Abstract
Les personnes qui parlent avec un accent non standard peuvent rencontrer des difficultés dans leur communication sociale, notamment lors d'un entretien d'embauche. Il existe des preuves substantielles que le fait d'avoir un accent non standard peut conduire à une perception de faible compétence par rapport aux locuteurs ayant un accent standard. À l'inverse, les candidats à l'emploi qui transmettent une compétence élevée par leur voix (c'est-à-dire le ton de la voix) sont perçus comme très compétents et ont plus de chances d'être embauchés. Cependant, il existe peu de recherches sur les effets interactifs des indices vocaux et de l'accent d'un candidat à l'emploi sur les impressions de compétence formées, la plupart des recherches utilisant un discours qui n'exprime pas un état mental ou affectif. Dans cette thèse, nous avons cherché à mieux comprendre l'impact du niveau de compétence vocale, de l'accent et de l'apparence ethnique d'un locuteur sur la perception de son aptitude à l'emploi (c'est-à-dire sa compétence et son aptitude à l'embauche) dans deux études. Les locuteurs avaient un accent standard (anglais américain/canadien) ou non standard (anglais singapourien) et exprimaient une compétence vocale élevée (confiance/ fierté) ou faible (doute/honte) comme indicateur de leurs différents états mentaux/affectifs lors d'un entretien d'embauche. Comme contrôle, nous avons mesuré la perception de la chaleur vocale du locuteur (attractivité et amabilité). Dans l'étude 1, les participants ont entendu un discours avec un accent standard et un accent non standard, exprimant la fierté et la honte vocales, et ont jugé la perception de l'aptitude à l'emploi du locuteur. Nous avons constaté que les auditeurs faisaient moins clairement la différence entre les compétences vocales élevées et faibles des locuteurs ayant un accent non standard. De plus, l'amabilité vocale était un médiateur plus fort entre le niveau de compétence vocale du locuteur et la perception de l'adéquation de l'emploi pour les locuteurs avec des accents standards par rapport aux accents non standards. Dans l'étude 2, nous avons exploré les effets interactifs de l'accent et de l'apparence ethnique du locuteur, avec son niveau de compétence vocale. Une fois de plus, nous avons constaté que les mesures de la chaleur vocale prédisaient fortement la perception de l'aptitude à l'emploi du locuteur. De plus, l'apparence ethnique des locuteurs ayant un accent non standard n'a pas amplifié les perceptions négatives de compétence liées à leur accent. Ce travail contribue à notre compréhension des processus socio-cognitifs de l'accent d'un locuteur lorsque celui-ci exprime une intention sociale. Ils développent également la proéminence des dimensions de compétence et de chaleur dans la formation de nos impressions sociales, en montrant une dominance de la chaleur perçue lors de l'évaluation des autres dans un contexte social de première importance
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".